专利名称：基于超分辨多普勒谱的地面运动目标稳健分类方法
技术领域：
本发明属于雷达技术领域，涉及目标分类方法，可用于对具有机动部件的运动车辆目标进行分类。
背景技术：
在雷达目标分类和识别领域中，由于轮式和履带式车辆在战场环境下的分エ不同，对轮式和履带式车辆进行分类具有重要意义。通常情况下，运动车辆目标的雷达回波中含有大量地物杂波，由于多普勒效应，目标会在多普勒域中偏离零频率的位置出现。由此可以实现运动目标和静止地物杂波的分离。同吋，目标的多普勒谱还提供了目标自身的运动信息，利用这些信息可以实现对目标的分类和识别。自微多普勒概念引入雷达后，对不同微动形式产生的微多普勒现象的研究，深化了人们对机动部件多普勒谱调制现象的认识，使得从目标回波的多普勒信息中提取有利于分类和识别的特征有了新的途径。车辆是典型的具有机动部件的目标，且由于车轮和履带具有不同的微运动形式，使得在运动车辆目标分类领域，有可能取代传统的人工操作模式，实现雷达的自动目标分类。在车辆目标运动吋，目标的平动速度决定了其谱峰位置和谱宽。当平动速度较大吋，目标谱峰离O频率较远，且谱宽较宽；当平动速度较小吋，目标谱峰靠近O频率，且谱宽较窄。对于车辆目标分类，由于目标具有上述性质，杂波抑制处理不但要求能去除杂波成分，还要求对目标信号尽可能的保留。现有常用的雷达杂波抑制技术为动目标显示，即MTI滤波器。由于MTI滤波器的频率幅度响应是非线性的，因此当目标平动速度变化较大时使用MTI抑制杂波会对信号产生较大影响。其次，现有的地面运动目标分类方法通常只考虑了高信噪比条件下的分类情况，在地面运动目标分类的实际应用中，由于目标距雷达距离通常较远，导致回波信噪比较低。因而现有方法对于低信噪比条件下的分类性能较差。最后，现有的谱分析技术，例如傅立叶变换的分辨率在短驻留时间条件下通常较低。当目标平动速度较低吋，目标谱峰接近O频率，大量微多普勒被压缩在O频率和谱峰位置之间。由于分辨率不足，导致现有技术难以将这些微多普勒信息准确表达。由于现有方法在上述杂波 和噪声抑制以及低分辨率方面存在的问题，导致现有方法在低信噪比条件下对地面运动目标的分类性能较差。
发明内容
本发明的目的在于针对上述已有技术的不足，提出一种基于超分辨多普勒谱的地面运动目标稳健分类方法，以实现对目标回波信号中的杂波和噪声进行自适应抑制，同时对目标的多普勒谱进行超分辨处理，提高低信噪比条件下对地面运动目标的分类性能。实现本发明目的的技术方案，包括如下步骤I)对地面运动目标的慢时间回波信号S={Sl，S2, , sN}进行傅立叶变换，得到慢时间回波信号s的多普勒谱f={f\，f2，. . .，fM}，其中sn为慢时间回波信号s第η点的值，n=l，2，...，N，N为脉冲积累数，乙为慢时间回波信号的多普勒谱f第m点的值，m=l, 2,..., M, M为傅立叶变换点数；2)在慢时间回波信号的多普勒谱f中搜索峰值位置P，利用峰值位置P确定地面运动目标在慢时间回波信号的多普勒谱f中所占的谱宽为[キ~,2/卜#]，利用谱宽之外的
频点估计噪声能量ε ；3)从含有地面运动目标的距离单元的邻近距离单元中获取仅含杂波的回波信号，以得到杂波的自相关矩阵的估计值·Α=γΤ^βΗ，其中 代表第β次仅含杂波的时域回
波信号，L为用于估计杂波的自相关矩阵的信号数，H代表共轭转置运算4)利用杂波的自相关矩阵的估计值氣对慢时间回波信号s中的杂波成分进行抑制，得到抑制杂波后的信号 5)构造傅立叶基字典B2,, BM}，其中
权利要求
1 一种基于超分辨多普勒谱的地面运动目标稳健分类方法，包括如下步骤 1)对地面运动目标的慢时间回波信号S={Sl，S2,, SnI进行傅立叶变换，得到慢时间回波信号S的多普勒谱f={f\，f2，. . .，fM}，其中Sn为慢时间回波信号S第η点的值，η=1，2，...，Ν，N为脉冲积累数，仁为慢时间回波信号的多普勒谱f第m点的值，m=l, 2,..., M, M为傅立叶变换点数； 2)在慢时间回波信号的多普勒谱f中捜索峰值位置P，利用峰值位置P确定地面运动目标在慢时间回波信号的多普勒谱f中所占的谱宽为[|，2ア-|]，利用谱宽之外的频点估计噪声能量ε ； 3)从含有地面运动目标的距离单元的邻近距离单元中获取仅含杂波的回波信号，以得到杂波的自相关矩阵的估计值A =γΣ￥βΗ，其中;；代表第β次仅含杂波的时域回波信号，L为用于估计杂波的自相关矩阵的信号数，H代表共轭转置运算 4)利用杂波的自相关矩阵的估计值氣对慢时间回波信号s中的杂波成分进行抑制，得到抑制杂波后的信号J = 5)构造傅立叶基字典出=取，B2,,BM}，其中圪=eXp(i^^)，代表傅立叶基字典的第m列，式中，exp ( ·)表示指数函数，j代表虚数単位，n=0, 1，. . .，N_l，m=l, 2,. . . , M ； 6)利用傅立叶基字典B对抑制杂波后的信号y进行重构，即在重构误差e=y_Ba的I2范数小于噪声能量ε的条件下，求解得到具有最小I1范数的超分辨多普勒谱a; 7)对超分辨多普勒谱a提取以下四种特征超分辨多普勒谱a的熵值
2.根据权利要求I所述基于超分辨多普勒谱的地面运动目标稳健分类方法，其中步骤2)所述的利用谱宽之外的频点估计噪声能量ε，是通过如下公式进行
3.根据权利要求I所述基于超分辨多普勒谱的地面运动目标稳健分类方法，其中步骤6)所述的求解具有最小I1范数的超分辨多普勒谱a，按如下步骤进行 3a)设定min(ai)为凸优化算法的目标函数，其中min( ·)表示取最小值运算，I I · I I1代表I1范数； 3b)设定e2〈 ε为凸优化算法的约束条件，其中e为重构误差，ε为噪声能量，I I · I I2代表I2范数； 3c)由设定的目标函数和约束条件通过凸优化算法，计算得到超分辨多普勒谱a。
4.根据权利要求I所述基于超分辨多普勒谱的地面运动目标稳健分类方法，其中步骤6)所述的求解具有最小I1范数的超分辨多普勒谱a，按如下步骤进行 4a)设定傅立叶基字典B为正交匹配追踪算法的基函数； 4b)设定抑制杂波后的信号y为正交匹配追踪算法的逼近信号； 4c)设定迭代误差小于噪声能量ε为正交匹配追踪算法的終止条件； 4d)由输入的基函数、逼近信号和終止条件采用正交匹配追踪算法计算得到超分辨多普勒谱a。
全文摘要
本发明公开了一种基于超分辨多普勒谱的地面运动目标稳健分类方法，主要解决现有同类方法在抑制杂波的同时会影响信号结构，短驻留时间条件下分辨率不高，无法抑制噪声导致的分类性能较差的问题。其实现过程是计算慢时间回波信号多普勒谱，利用其估计信号中的噪声能量；利用目标临近距离单元估计杂波自相关矩阵；构建傅立叶基字典矩阵，通过求解l1范数优化问题得到目标的超分辨多普勒谱；对目标的超分辨多普勒谱提取特征；对提取的特征使用分类器进行分类。本发明提高了目标多普勒谱的分辨率，能在自适应抑制杂波的同时保留信号结构以及抑制信号中的噪声，在提高分类性能的同时获得噪声稳健性，可用于对具有机动部件的运动车辆目标进行分类。
文档编号G01S7/41GK102721952SQ20121015187
公开日2012年10月10日 申请日期2012年5月16日 优先权日2012年5月16日
发明者刘宏伟, 李彦兵, 杜兰, 杨晓超, 王鹏辉, 纠博 申请人:西安电子科技大学